A computational methodology for the staging of lung tumors considering geometric descriptors

Abstract

Lung diseases diagnosis, specifically the presence of lung tumors, is usually performed with the support of radiological techniques. Computed tomography is the most widely used imaging technique to confirm the presence of this disease. When several researchers require identifying the morphology of these tumors, they deal problems related to the poor delimitation of the borders associated with the anatomical structures that compound the lung, Poisson noise, the streak artifact and the non-homogeneity of gray levels that define each object in the chest images. In this paper, a methodology has been presented to identify in which stage (staging) the mentioned tumors are. For this, first, anisotropic diffusion filter and magnitude of the gradient filter are used in order to address the aforementioned problems. Second, a smart operator and the level set lgorithm are used to segment lung tumors. Finally, considering these segmentations, a set of geometric descriptors is obtained, and it allows staging of such tumors to be precisely established, generating results that are in high correspondence with the reference data, linked to the analyzed tagged images.

El diagnóstico de enfermedades del pulmón, específicamente la presencia de tumores pulmonares, suele efectuarse con el apoyo de técnicas radiológicas. La tomografía computarizada es la técnica imagenológica más utilizada para confirmar la presencia de esta enfermedad. Cuando diversos investigadores desean generar la morfología de esos tumores se enfrentan a problemas relativos a la pobre delimitación de las fronteras asociadas con las estructuras anatómicas que conforman el pulmón, el ruido poisoniano, el artefacto tipo escalera y la no-homogeneidad de los niveles de gris que definen cada objeto en las imágenes de tórax. En el presente artículo, se presenta una metodología para identificar en cual estadio (estadificación) se encuentran los mencionados tumores. Para ello, en primer lugar, los filtros de difusión anisotrópica con curvatura y magnitud del gradiente son utilizados a fin de abordar los mencionados problemas. En segundo lugar, un operador inteligente y el algoritmo denominado conjuntos de nivel son utilizados para segmentar los tumores pulmonares. Finalmente, considerando estas segmentaciones se obtiene un conjunto de descriptores geométricos que permite establecer con precisión la estadificación de tales tumores, generando resultados que están en alta correspondencia con los datos de referencia, vinculados con las imágenes etiquetadas analizadas.